You are on page 1of 35

Universitas

 Gadjah  Mada  
Jurusan  Teknik  Sipil  dan  Lingkungan  

20-­‐Sep-­‐15  
Prodi  Magister  Teknik  Pengelolaan  Bencana  Alam  

Teknik  Pengolahan  

h4p://is7arto.staff.ugm.ac.id  
Data  
 
Probabilitas  
1  
Probabilitas  

20-­‐Sep-­‐15  
•  Probabilitas  –  Peluang  –  Kemungkinan  
•  Mengapa  probabilitas  ?  
•  Orang  7dak  dapat  memas7kan  nilai  suatu  proses  (misal  erupsi  
gunung  berapi)  berdasarkan  data  erupsi  selama  waktu  yang  lalu  

h4p://is7arto.staff.ugm.ac.id  
sampai  saat  ini.  
•  Sifat  stokas7k  ataupun  ke7dak-­‐pas7an  merupakan  sifat  yang  
melekat  pada  proses  (yang  melibatkan)  alam.  

2  
Probabilitas,  Peluang  Kejadian  

20-­‐Sep-­‐15  
Jumlah  hari  terjadinya  
No  urut   kemacetan  pasokan  air  per   Frekuensi  
bulan  
1   10   2   Jumlah  hari  saat  
terjadi  kemacetan  
1  

h4p://is7arto.staff.ugm.ac.id  
2   9  
pasokan  air  PDAM  
3   8   0   selama  30  bulan  
4   7   2   terakhir.  
5   6   3  
5  
Dapatkah  Saudara    
6   5  
memas7kan  jumlah  
7   4   4   hari  akan  terjadi  
8   3   8   kemacetan  pasokan  
9   2   3   air  PDAM  pada  
2   bulan  depan?  
10   1  
Jumlah   30   3  
Probabilitas,  Peluang  Kejadian,  Risiko  

20-­‐Sep-­‐15  
Debit puncak suatu sungai selama 66 tahun
Tahun ke- Debit (m 3/s) Tahun ke- Debit (m 3/s) Tahun ke- Debit (m 3/s)
1 473 23 1110 45 843
2 544 24 717 46 450
3 872 25 961 47 284
4 657 26 925 48 460

h4p://is7arto.staff.ugm.ac.id  
5 915 27 341 49 804
6 535 28 690 50 550
7 678 29 734 51 729
8 700 30 991 52 712
9 669 31 792 53 468
10 347 32 626 54 841
11 580 33 937 55 613
12 470 34 687 56 871
13 663 35 801 57 705
14 809 36 323 58 777
15 800 37 431 59 442
16 523 38 770 60 206
17 580 39 536 61 850 Dapatkah  Saudara  
18 672 40 708 62 829
19 115 41 894 63 887 memas7kan  debit  
20 461 42 626 64 602 maksimum  pada  
21 524 43 1120 65 403
22 943 44 440 66 505 tahun  ke-­‐67?   4  
Probabilitas  

20-­‐Sep-­‐15  
•  Definisi  #1  
•  Andaikata  suatu  peris7wa  random  dapat  terjadi  dalam  n  cara  
yang  masing-­‐masing  memiliki  kemungkinan  yang  sama,  dan  
apabila  sejumlah  na  cara  memberikan  hasil  A,  maka  probabilitas  

h4p://is7arto.staff.ugm.ac.id  
terjadinya  peris7wa  dengan  hasil  A  adalah  na/n  

prob ( A) = na n

•  Dalam  definisi  di  atas,  n  adalah  himpunan  semua  yang  mungkin  


terjadi.  
•  Definisi  di  atas  berasumsi  bahwa  n  diketahui,  padahal  himpunan  
semua  cara  yang  mungkin  pada  kenyataannya  7dak  selalu  
diketahui  atau  7dak  terjadi  atau  7dak  diama7  atau  7dak  dihitung.   5  
Probabilitas  

20-­‐Sep-­‐15  
•  Definisi  #2  
•  Andaikata  suatu  peris7wa  random  terjadi  berkali-­‐kali  dalam  
jumlah  yang  sangat  besar,  n  kali,  dan  sejumlah  na  kali  memiliki  
hasil  A,  maka  probabilitas  peris7wa  dengan  hasil  A  adalah  

h4p://is7arto.staff.ugm.ac.id  
prob ( A) = lim na n
n→∞

•  Definisi  di  atas  berbeda  dengan  definisi  #1  dalam  hal-­‐hal  berikut:  
•  Probabilitas  suatu  kejadian  “diperkirakan”  (can  be  es)mated)  
berdasarkan  observasi  sejumlah  n  kali.  
•  n  di  sini  7dak/bukan  merupakan  himpunan  semua  kejadian  yang  
mungkin;  dalam  hal  ini,  7dak  diperlukan  untuk  mengetahui  atau  
melakukan  observasi  terhadap  semua  kemungkinan  
•  Se7ap  cara  yang  mungkin  terjadi  (dalam  n  tersebut)  7dak  harus  
memiliki  kemungkinan  yang  sama  untuk  terjadi.   6  
Probabilitas  

20-­‐Sep-­‐15  
•  Definisi  2:  butuh  berapa  n?  
•  Contoh  
•  Pada  2  set  pengamatan  (sampel)  yang  7dak  saling  terkait/
tergantung,  perkiraan  probabilitas  kejadian  A  dapat  ditetapkan  

h4p://is7arto.staff.ugm.ac.id  
berdasarkan  masing-­‐masing  sampel  tersebut.  
•  Kedua  nilai  probabilitas  7dak  selalu  sama  satu  dengan  yang  lain.  
•  Kedua  nilai  probabilitas  7dak  selalu  sama  dengan  perkiraan  
probabilitas  A  yang  ditetapkan  dengan  pengamatan  sejumlah  tak-­‐
berhingga  kali.  
•  Problem:  berapa  jumlah  pengamatan  n  yang  diperlukan  untuk  
mendapatkan  es7masi  probabilitas  A  yang  dapat  diterima?  

7  
Probabilitas  

20-­‐Sep-­‐15  
•  Kisaran  (range)  probabilitas  
•  Dari  kedua  definisi,  kisaran  probabilitas  adalah  0  s.d.  1.  
•  prob(A)  =  0  “hampir”  7dak  mungkin  terjadi    
     (nearly  impossible)  

h4p://is7arto.staff.ugm.ac.id  
•  prob(A)  =  1  “hampir”  pas7  terjadi    
     (almost  certain)  

8  
Probabilitas  

20-­‐Sep-­‐15  
•  Misal  suatu  eksperimen  (proses)  menghasilkan  sejumlah  
output  yang  berupa  variable  random  
•  Himpunan  semua  hasil  yang  mungkin  didapat  disebut  sample  
space.  

h4p://is7arto.staff.ugm.ac.id  
•  Se7ap  elemen  di  dalam  sample  space  disebut  sample  points  
(element)  
•  Se7ap  elemen  di  dalam  sample  space  memiliki  faktor/bobot/
weight  (posi7f)  sedemikian  hingga  jumlah  weight  seluruh  elemen  
bernilai  1.  
•  Nilai  bobot  berbanding  lurus  dengan  kemungkinan  eksperimen  
akan  memberikan  hasil  elemen  tersebut.  
•  Bobot  7dak  lain  adalah  probabilitas.  
9  
20-­‐Sep-­‐15  
h4p://is7arto.staff.ugm.ac.id  
Sample  Space  
Sample  Elements  

PROBABILITAS   10  
Sample  Space  &  Sample  Elements  

20-­‐Sep-­‐15  
•  Contoh  #1:  
•  Suatu  DAS  memiliki  3  stasiun:  Sta-­‐1,  Sta-­‐2,  Sta-­‐3.  
•  Eksperimen:  meneli7  se7ap  stasiun  perlu/7dak  kalibrasi  
•  Output:  (y,n,y)  

h4p://is7arto.staff.ugm.ac.id  
Sta-­‐1  perlu  kalibrasi  (y  =  yes)  
Sta-­‐2  tak  perlu  kalibrasi  (n  =  no)  
Sta-­‐3  perlu  kalibrasi  (y  =  yes)  

11  
Sample  Space  &  Sample  Elements  

20-­‐Sep-­‐15  
•  Sample  space:  Alterna7f  1  
•  S1={(y,y,y),(y,y,n),(y,n,y),(n,y,y),  
               (y,n,n),(n,y,n),(n,n,y),(n,n,n)}  
•  S1  adalah  discrete  sample  space:  jumlah  elemen  di  dalam  S1  dapat  
dihitung.  

h4p://is7arto.staff.ugm.ac.id  
•  Apabila  eksperimen  dilakukan  satu  kali  saja,  maka  salah  satu  elemen  
S1  pas7  terjadi.  

•  Sample  space:  Alterna7f  2  


•  S2={0,1,2,3}  
•  S2  adalah  discrete  sample  space.  
•  Hanya  ingin  diketahui  jumlah  stasiun  yang  perlu  dikalibrasi.  
•  Tidak  diperlukan  untuk  mengetahui  stasiun  mana  yang  perlu  
dikalibrasi.  
•  Informasi  yang  diperoleh  lebih  sedikit  daripada  S1.   12  
Sample  Space  &  Sample  Elements  

20-­‐Sep-­‐15  
•  Contoh  #2:  
•  Pengukuran  angin:  
•  kecepatan  (km/jam)  dan    
•  arah  (o).  

h4p://is7arto.staff.ugm.ac.id  
•  Output:  (x,y)  
•  x  =  kecepatan  (km/jam)  
•  y  =  arah  (o)  

13  
Sample  Space  &  Sample  Elements  

20-­‐Sep-­‐15  
•  Sample  space:  Alterna7f  1  
Ω1 = {( x, y ) : x ≥ 0, 0 ≤ y ≤ 360} continuous sample space
y  (o)  

h4p://is7arto.staff.ugm.ac.id  
360  

0   x  (km/jam)  

•  Sample  space:  Alterna7f  2  


Ω2 = {+, −} discrete  sample  space  

•  +  =  kecepatan  >  60  (km/jam)  


•  −  =  kecepatan  <  60  (km/jam)   14  
Events  

20-­‐Sep-­‐15  
•  Event  adalah  suatu  himpunan  bagian  (subset)  dari  sample  
space  
•  Suatu  event  terjadi  jika  dan  hanya  jika  hasil  dari  eksperimen  
adalah  anggota  event  tersebut  

h4p://is7arto.staff.ugm.ac.id  
•  Contoh:  Kalibrasi  Sta-­‐1,  Sta-­‐2,  Sta-­‐3  
•  Event  A:  paling  sedikit  2  stasiun  perlu  dikalibrasi  
A={(y,y,y),(y,y,n),(y,n,y),(n,y,y)}  
•  Event  B:  tak  ada  stasiun  yang  perlu  dikalibrasi  
B={(n,n,n)}  
•  Event  C:  2  stasiun  perlu  dikalibrasi  
C={(y,y,n),(y,n,y),(n,y,y)}  

15  
Diagram  Venn  

20-­‐Sep-­‐15  
•  Notasi:  
S  =  sample  space   0 ≤ prob ( Ei ) ≤ 1
Ei  =  elemen  di  dalam  S  
S = ∪ i Ei
A,B  =  events  di  dalam  S  

h4p://is7arto.staff.ugm.ac.id  
prob(Ei)  =  probabilitas  elemen  Ei   prob ( S ) = ∑ prob ( Ei ) = 1

S o E1 o E1
o E2 S
o E2
A AB B A B
o E3 o En o E3 o En

16  
Probabilitas  suatu  Event  

20-­‐Sep-­‐15  
•  Event  A  
n
A = ∪ i=m Ei
n
0 ≤ prob ( A) = ∑ prob ( Ei ) ≤ 1

h4p://is7arto.staff.ugm.ac.id  
i=m

•  Event  A  dan  B  
 
prob ( A ∪ B) = prob ( A) + prob (B) − prob ( A ∩ B)

•  Apabila  A  dan  B  tak  bergantung  satu  dengan  yang  


lainnya  (independent),  maka  
prob ( A ∪ B) = prob ( A) + prob (B) 17  
Probabilitas  suatu  Event  

20-­‐Sep-­‐15  
•  Event  Ac  (=  komplemen  event  A)  
A ∪ Ac = S
( )
prob A ∪ Ac = prob ( A) + prob Ac = 1 ( )

h4p://is7arto.staff.ugm.ac.id  
prob ( A) = 1− prob Ac ( )

18  
Probabilitas  Bersyarat  
(Conditional  Probability)  

20-­‐Sep-­‐15  
•  Probabilitas  suatu  event  (event  B)  bergantung  pada  
terjadinya  event  lain  (event  A).  

h4p://is7arto.staff.ugm.ac.id  
prob(B|A)  =  prob(B)  dengan  
S
syarat  event  A  terjadi  
A AB B »  sample  space  berubah  dari  S  
menjadi  A,  
»  event  diwakili  oleh   A ∩ B
prob ( A ∩ B)
( )
prob B A =
prob ( A)
, prob ( A) ≠ 0

19  
prob ( A ∩ B) = prob ( A) prob B A ( )
Probabilitas  Bersyarat  
(Conditional  Probability)  

20-­‐Sep-­‐15  
•  Apabila  event  B  tak  bergantung  pada  event  A  (keduanya  
merupakan  independent  events),  maka  

prob (B|A) = prob (B)

h4p://is7arto.staff.ugm.ac.id  
prob ( A ∩ B) = prob ( A) ⋅ prob (B)

20  
Probabilitas  Bersyarat  
(Conditional  Probability)  

20-­‐Sep-­‐15  
•  Contoh  
•  Data  pengamatan  hari  hujan  di  suatu  wilayah  menunjukkan  
probabilitas  hari  hujan  sbb.  
hari  hujan  setelah  hari  hujan  =  0.444  

h4p://is7arto.staff.ugm.ac.id  
hari  tak  hujan  setelah  hari  hujan  =  0.556    
hari  tak  hujan  setelah  hari  tak  hujan  =  0.724  
hari  hujan  setelah  hari  tak  hujan  =  0.276  
•  Apabila  dijumpai  bahwa  suatu  hari  terjadi  hujan,  berapakah  
probabilitas  bahwa  2  hari  berikutnya  juga  hujan?  

21  
Probabilitas  Bersyarat  
(Conditional  Probability)  

20-­‐Sep-­‐15  
•  Penyelesaian  
•  Misal  hari  hujan  (h)  terjadi  sbb.  
 hari  ke-­‐0  hari  ke-­‐1  hari  ke-­‐2  
 h  h  h  

h4p://is7arto.staff.ugm.ac.id  
event  A  

event  B  
•  Event  A  =  hari  ke-­‐1  hujan  setelah  hari  ke-­‐0  hujan  
Event  B  =  hari  ke-­‐2  hujan  setelah  hari  ke-­‐0  hujan  
•  Yang  dicari  adalah  3  hari  hujan  berturut-­‐turut:  
 
prob ( A ∩ B) = prob ( A) ⋅ prob B A ( )
•  Diketahui  prob(A)  =  0.444  
( )
prob B A = 0.444 (hari  hujan  setelah  hari  hujan)   22  
prob ( A ∩ B) = 0.444 × 0.444 = 0.197
Probabilitas  Bersyarat  
(Conditional  Probability)  

20-­‐Sep-­‐15  
•  Cara  penyelesaian  yang  lain  
•  Probabilitas  hari  hujan  setelah  hari  hujan  adalah    p  =  0.444  
•  Suatu  hari  (hari  ke-­‐0)  terjadi  hujan  

h4p://is7arto.staff.ugm.ac.id  
hari  ke-­‐0   hari  ke-­‐1   hari  ke-­‐2  
h   h   h  
p  =  0.444   p  =  0.444  ×  0.444  

p  =  0.556   p  =  0.556  ×  0.444  

th   th  

23  
Probabilitas  Total  
(Total  Probability)  

20-­‐Sep-­‐15  
•  Apabila  B1,  B2,…,  Bn  adalah  serangkaian  events  yang  7dak  
saling  berkaitan  (mutually  exclusive  events)  dan  masing-­‐
masing  memiliki  probabilitas  7dak  sama  dengan  nol,  prob(Bi)  
≠  0,  untuk  semua  i:  

h4p://is7arto.staff.ugm.ac.id  
B1 ∪ B2 ∪…∪ Bn = S
Bi ∩ Bj = 0, ∀i, j (i ≠ j )
prob (Bi ) > 0, ∀i

24  
Probabilitas  Total  
(Total  Probability)  

20-­‐Sep-­‐15  
•  Probabilitas  suatu  event  A  dapat  dituliskan  sbb.  

S   B2  
B3  
B1   A  

h4p://is7arto.staff.ugm.ac.id  
Bn  

prob ( A) = prob #$( A ∩ B1 ) ∪ ( A ∩ B2 ) ∪ ... ∪ ( A ∩ Bn )%&


= prob ( A ∩ B1 ) + prob ( A ∩ B2 ) + ... + prob ( A ∩ Bn )

25  
Probabilitas  Total  
(Total  Probability)  

20-­‐Sep-­‐15  
•  Dari  condi)onal  probability:  
( )
prob ( A ∩ B1 ) = prob ( A) ⋅ prob B1 A
prob (B ∩ A) = prob (B ) ⋅ prob ( A B )

h4p://is7arto.staff.ugm.ac.id  
1 1 1

S   B2  
B3  
B1   A  

Bn  

( ) (
prob ( A) = prob (B1 ) ⋅ prob A B1 + ... + prob (Bn ) ⋅ prob A Bn )
n
26  
prob ( A) = ∑ "#prob (B ) ⋅ prob ( A B )$%
i i
i=1
Probabilitas  Total  
(Total  Probability)  

20-­‐Sep-­‐15  
•  Contoh  
•  Data  genangan  di  suatu  wilayah  permukiman  menunjukkan  
bahwa  probabilitas  terjadinya  genangan  adalah  0.80  saat  hari  
hujan  dan  0.25  saat  tak  hujan.  

h4p://is7arto.staff.ugm.ac.id  
•  Diketahui  bahwa  probabilitas  hari  hujan  adalah  0.36.  
•  Berapakah  probabilitas  terjadinya  genangan  di  wilayah  tersebut?  

27  
Probabilitas  Total  
(Total  Probability)  

20-­‐Sep-­‐15  
•  Penyelesaian  
•  Jika  event  A  =  terjadi  genangan  
 event  B1  =  hari  hujan  

h4p://is7arto.staff.ugm.ac.id  
 event  B2  =  hari  tak  hujan  

( )
prob ( A) = prob (B1) ⋅ prob A B1 + prob (B2 ) ⋅ prob A B2( )
= 0.36 × 0.80 + (1− 0.36) × 0.25
= 0.448

28  
Teorema  Bayes  

20-­‐Sep-­‐15  
•  Dari  condi)onal  probability  
( )
prob ( A ∩ B) = prob ( A) ⋅ prob B A (1)  
(2)  

h4p://is7arto.staff.ugm.ac.id  
prob (B ∩ A) = prob (B) ⋅ prob ( A B)

Karena prob ( A ∩ B) = prob (B ∩ A) , maka:


prob ( A) ⋅ prob (B A) = prob (B) ⋅ prob ( A B) (3)  

•  Untuk  events  A  dan  Bj,  persamaan  diatas  menjadi  


( )
prob ( A) ⋅ prob Bj A = prob (Bj ) ⋅ prob A Bj ( ) (4)  
29  
Teorema  Bayes  

20-­‐Sep-­‐15  
•  Dari  total  probability  
n
prob ( A) = ∑ "#prob (Bi ) ⋅ prob A Bi $% ( ) (5)  
i=1

h4p://is7arto.staff.ugm.ac.id  
•  Dengan  (5)  à  (4)  

prob (B A) =
( )
prob (Bj ) ⋅ prob A Bj
(6)  
j n
∑ prob (B ) ⋅ prob (A B )
i=1 i i

30  
Teorema  Bayes  

20-­‐Sep-­‐15  
•  Pemakaian  
•  Untuk  mencari  probabilitas  event  Bj  apabila  diketahui  event  A  
telah  terjadi.  
•  Untuk  mencari  (memperkirakan)  probabilitas  suatu  event  (Bj)  

h4p://is7arto.staff.ugm.ac.id  
dengan  mengama7  event  kedua  (A).  

31  
Teorema  Bayes  

20-­‐Sep-­‐15  
•  Contoh  
•  Informasi  ramalan  cuaca  biasa  dikirimkan  melalui  4  saluran:    
Ri  (i  =  1,2,3,4)  adalah  event  dimana  informasi  tsb  dikirimkan  
melalui  saluran  i.  

h4p://is7arto.staff.ugm.ac.id  
•  Probabilitas  masing-­‐masing  event  Ri  adalah:  0.1,  0.2,  0.3,  dan  0.4.  
•  Diketahui  juga  bahwa  probabilitas  terjadinya  kesalahan  
pengiriman  (event  E)  melalui  masing-­‐masing  saluran  adalah:  0.10,  
0.15,  0.20,  dan  0.25.  
•  Suatu  saat  diketahui  bahwa  suatu  kesalahan  pengiriman  telah  
terjadi.  
•  Berapakah  probabilitas  bahwa  kesalahan  tersebut  terjadi  melalui  
saluran  ke-­‐2?  
32  
Teorema  Bayes  

20-­‐Sep-­‐15  
•  Penyelesaian  
•  Diketahui:  prob(R1)  =  0.1  prob(E|R1)  =  0.10  
 prob(R2)  =  0.2  prob(E|R2)  =  0.15  

h4p://is7arto.staff.ugm.ac.id  
 prob(R3)  =  0.3  prob(E|R3)  =  0.20  
 prob(R4)  =  0.4  prob(E|R4)  =  0.25  
•  Probabilitas  bahwa  pengiriman  dilakukan  melalui  saluran  ke-­‐2  
dengan  melihat  kenyataan  bahwa  telah  terjadi  kesalahan  adalah:  

( )
prob (R2 ) ⋅ prob E R2
( )
prob R2 E = 4
∑ prob (R ) ⋅ prob (E R )
1 i i

0.2× 0.15
=
0.1× 0.10 + 0.2× 0.15+ 0.3× 0.20 + 0.4 × 0.25 33  
= 0.15
Teorema  Bayes  

20-­‐Sep-­‐15  
i prob(Ri) prob(E|Ri) prob(Ri).prob(E|Ri) prob(Ri|E)

1 0.1 0.10 0.01 0.05

h4p://is7arto.staff.ugm.ac.id  
2 0.2 0.15 0.03 0.15

3 0.3 0.20 0.06 0.30

4 0.4 0.25 0.10 0.50

Σ 1.0 0.20 1.00

34  
prob(E)  
h4p://is7arto.staff.ugm.ac.id   20-­‐Sep-­‐15  
35